ORB－SLAM程序提供了运行Monocular、Stereo和RGBD数据的程序。编译成功后，可以通过运行TUM的标准数据来验证程序是否成功。如果想自己测试一些数据，可以通过OpenCV提供的接口调起电脑的摄像头。 个人认为，ORB-SLAM是一个完整的单目SLAM实现，集合了当前流行 ...

ORB主要借鉴了PTAM的思想，借鉴的工作主要有Rubble的ORB特征点；DBow2的place recognition用于闭环检测；Strasdat的闭环矫正和covisibility graph思想；以及Kuemmerle和Grisetti的g2o用于优化。 首先需要了解ORB-SLAM ...

ORB-SLAM是一种基于ORB特征的三维定位与地图构建算法（SLAM）[1]。该算法由Raul Mur-Artal，J. M. M. Montiel和Juan D. Tardos于2015年发表在IEEE Transactions on Robotics。ORB-SLAM基于PTAM架构，增加了 ...

ORB-SLAM作为单目SLAM，其精度很大程度上决定于帧与帧之间的位姿优化的是否准确。因此优化（optimization）在ORB-SLAM里面扮演了很重要的角色。这一小节探讨一下ORB-SLAM里用到的优化。 ORB-SLAM选用g2o作为图优化的方法，关于g2o可以参考http ...

最近在读ORB-SLAM的代码，虽然代码注释算比较多了，但各种类和变量互相引用，看起来有点痛苦。索性总结了一下Tracking部分的代码结构，希望能抓住主要思路，不掉坑里。 作者的程序分为两种模式：SLAM模式和Localization模式。SLAM模式中，三个线程全部都在工作，即在定位也在建图 ...

上一篇提到，无论在单目、双目还是RGBD中，追踪得到的位姿都是有误差的。随着路径的不断延伸，前面帧的误差会一直传递到后面去，导致最后一帧的位姿在世界坐标系里的误差有可能非常大。除了利用优化方法在局部和 ...

KeyFrame类利用Frame类来构造。对于什么样的Frame可以认为是关键帧以及何时需要加入关键帧，是实现在tracking模块中的。 由于KeyFrame中一部分数据会被多个线程访问修改，因此 ...

ORB-SLAM中除了第三方库，基本没有看到使用c++11的新特性（例如别的SLAM框架中常用的智能指针，拷贝控制，泛型算法等，基本没有使用动态内存，栈内存读取速度较快），因此非常适合初学，代码很清晰。静下心来一个月之内是肯定可以看完的，目前的想法是在看完ORB之后，对其中的典型算法再做一个总结 ...